机构名称：
¥ 1.0
全球冰川静修会导致从局部（例如水的供应性）到全球（例如，海平面上升）量表的重要环境变化。了解气候变化的影响及其对冰川质量平衡（MB）的变化需要考虑在各种规模上的气候强迫的影响。最近的研究报道说，冰川和局部气候变化都受到各种气候强迫的影响，包括大规模的因素，例如厄尔尼诺尼诺 - 南方振荡（ENSO）或南方环形模式（SAM），到区域规模的因素，例如大气和海洋循环模式，海冰和海面温度。这些影响的程度取决于每个冰川区域的地理位置。鉴于冰川及其当地气候的环境和社会经济意义，长期冰川气候研究对于提高我们对他们过去，现在和未来变化的理解至关重要。在这个项目中，我们首先是使用机器学习（ML）技术和区域气候模型（RCM）输出的组合来重建冰川MB时间序列从热带纬度重建。然后，我们旨在研究从热带到极地纬度地区冰川质量平衡的年际和季节性变异性（即安第斯山脉，巴塔哥尼亚和南极半岛地区），及其与季节性和年际时间尺度上的气候强迫因子的关系。在现有文献的基础上，我们将使用最先进的ML算法来开发可靠的模型，以捕获不同气候和地形变量与冰川MB之间复杂的非线性相互作用。这些模型将使用历史冰川MB数据和RCM输出进行培训，并使用独立数据集进行验证。考虑到特定的大型至区域规模气候强迫的影响，该项目的结果将对气候变化对热带对热带冰川的影响提供宝贵的见解。这些
Climat Amsud 2023呼吁提案批准的项目
主要关键词
相关文件推荐
